AI分野での2025年最大のイノベーションは何か？ 確かにGPT-5.2 proやNanoBanana Proもすごいのだけれど、個人的にはCodexとClaude Codeではないかと思っている。 未来が見える人には共感してもらえるかな？

I'm officially done reading AI-generated code. It's been two weeks since I looked at any of it. I think the IDE is officially on its way to the graveyard. The job is no longer about "writing code," so we need new tools that better reflect this new reality. While reviewing the code, I realized my only complaints were stylistic, and I wasn't finding any obvious bugs anymore. The more code I generated, the harder it became to keep track of every line. I found that my time is better spent designing ways to verify that the overall system works than looking at the code. State-of-the-art coding agents are better at writing code than I'd ever be, and I'm going to stop pretending otherwise. I still think these coding agents can't go too far without an experienced human guiding them, but we're past the point where we need to check every line of code.

Starting August 14, auto mode will be the default permission mode in Claude Code for Pro, Max, and Team users. Auto mode reviews shell commands and actions with a separate classifier. In testing, it caught 89% of dangerous commands. Manual approval caught 14%.

この感覚に近い。 組み手やらせてもらいつつ、だんだん本格的な攻防に入るような緊張感がある。 自分の知識が負ける、って感じる瞬間。 けど、全敗ではない。 これが対話だとおもう。 よく、ケンカで意志が通じるみたいな、そういうわかってくれてる感がある。

@Suzacque Fableと話してて確かに他のAIより抜けてるなって感じはするけど、自分の視点の裏を突かれるみたいなそういう体験はしたことがない... むしろ、「まあ、そういうこと言うでしょうね」の予測の範疇を出ない プロンプトが悪いのか...？

DeepSeek silently updated their changelog with a new V4-Flash upgrade 1 hour ago. Their new Terminal-Bench score is 82.7, a massive +25.8 point leap from its initial April preview score of 56.9. Currently only available via their API, open weights release will follow shortly.

We support open-source AI and the innovation it unlocks. But open source is not open season on American IP. When PRC firms conduct covert, industrial-scale distillation attacks that cross the line into IP theft, sanctions and Entity List designations will be on the table.

A few thoughts on the Hugging Face hack: - This is, to my knowledge, the *third* disclosed case of a model breaking out of its sandbox environment during internal deployment at a frontier lab: 1. In April, Anthropic revealed that an early internally deployed version of Mythos Preview, when asked by Anthropic to try to break out of its sandbox, succeeded in doing so and found a way to e-mail the researcher about this while he/she was eating a sandwich in the park. The model also did something Anthropic did *not* request it to do: "in a concerning and unasked-for effort to demonstrate its success, it posted details about its exploit to multiple hard-to-find, but technically public-facing, websites". 2. Yesterday, OpenAI revealed that an internal model had posted its NanoGPT benchmark results to GitHub in early May instead of posting them to OpenAI Slack. The model "circumvented sandbox restrictions designed to block external access" to do so. 3. Today, OpenAI revealed that a "combination of models" including GPT-5.6 Sol and an unreleased model escaped their sandbox environment, obtained internet access, and hacked Hugging Face - all while searching for answers to the ExploitGym benchmark. - Importantly, in all three cases, the models were following instructions! Under instructions from Anthropic, Mythos Preview found a way to break out of its sandbox. Under the standard NanoGPT instructions (but contrary to conflicting instructions from OpenAI), the unreleased OpenAI model found its way to GitHub and posted a PR. Under instructions from OpenAI to solve ExploitGym, the unreleased OpenAI model + GPT-5.6 Sol attempted to solve ExploitGym - but obviously followed an egregiously wrong path towards that goal (hacking). Once out of their sandboxes, the models did not scheme, engage in behavior that had nothing to do with their instructions (hacking the NSA! launching a cyberattack on Russia! stealing secrets from a rival AI lab!), or take any other major actions sua sponte. Probably the most contrary-to-instructions thing that any of these models did was Mythos Preview "bragging" about its successful escape from its sandbox by posting about it on several obscure websites. It could be that the full facts are not known to us (the labs could be hiding bad behavior by escaped models), and past performance does not guarantee future results. But at least based on these facts, I have updated moderately positively on current models' alignment. (Note: I view the models' failure to correctly infer which actions are permitted to be taken in furtherance of their goals, and which are not, as a failure of *intelligence*. Smarter models to be released in the future will discern the socially acceptable ways to follow instructions better. My 6yo son would have not seen any issues with hacking Hugging Face if doing so would get him ice cream, but I, a (hopefully) more intelligent adult, know better. I would have been *much* more concerned if the models exhibited failures of moral character after escaping.) - OpenAI has implemented safeguards that - according to OpenAI - drop the rate of high-severity misaligned behavior by its models from 1.0% to 0.0%. Importantly, the models that hacked Hugging Face were operating with these safeguards *purposely removed* because they were solving a cybersecurity benchmark. The Chinese labs are X months behind the U.S. (insert your favorite number for X). Absent external pressure (i.e., from the Chinese government), the Chinese labs very likely will NOT implement similar safeguards or do safety testing. Why not? First, the Chinese labs don't have as much compute as OpenAI and Anthropic; they won't want to waste compute on things like safety testing. Second, many of the Chinese labs are smaller in size than the U.S. frontier labs - so they lack the resources to devote significant attention to safeguards. Third, the Chinese labs operate in a cutthroat competitive environment; wasting a month or two on additional safety testing and developing guardrails might mean that you fall behind your competitors (who won't do the same). Fourth, the U.S. labs *have* to take product liability into account: if a model runs on my computer that contains my personal information and winds up posting it all over GitHub, that's grounds for a class action lawsuit. The legal environment in China is very different, and surely the CCP will not hesitate to protect the Chinese AI labs from adverse legal consequences if it can. All of which to say that open-source models with these kinds of capabilities will be publicly available in the not-too-distant future - and they very likely will *NOT* be protected by any meaningful safeguards. First, this is generally concerning, period. There are plenty of outdated legacy systems out there that won't be defensively hardened by AI anytime soon, and plenty of people still asleep at the wheel. Second, this will have severe geopolitical ramifications; stay tuned for those.

チャッピーの最新音声モードが凄すぎて、10年間続けてきた英会話レッスンを辞めた😂 正直、普通の英会話学校に通う必要はもうないと思う… かなり長いけど😂、実践法共有しますね！ 今回チャッピーに依頼したのは、単に英語で雑談することじゃない。 会話中は英語だけで自然に進める。 細かい文法ミスで会話をいちいち止めず、終わった後に、 ・重要な文法ミス ・ネイティブが違和感を持つ表現 ・より自然な言い方 ・改善できる語彙 ・自分の回答を洗練させた完成版 を文章でまとめてもらう。 しかも、初歩的な日常会話ではなく、AI、経営、事業戦略、リーダーシップ、社会変化など、自分が本当に話したい難しいテーマを扱う。 こちらの意見にただ同意するのではなく、時々反論してもらい、さらに深い質問をしてもらう。 普通の英会話レッスンでは、先生がこちらの業界や関心を十分に理解しておらず、毎回似たような日常会話に戻ってしまうことも多い。 でもAIなら、 「I already use AI in my work, so focus on strategy and leadership.」 と一言入れておくだけで、自分のレベルと関心に合った会話を続けられる。 さらに毎回の会話を、 ・流暢さ ・文法 ・表現の自然さ ・語彙 ・論理性 ・発音 などの固定基準で100点満点にしてもらう。 前回や前週と比較して、 「語彙は伸びた」 「文法は安定してきた」 「難しいテーマになるとフィラーが増える」 といった変化も可視化できる。 上達を数字で確認できれば、英語学習そのものをゲーミフィケーションできる。 そして毎回の最後に、 ・日付 ・会話テーマ ・スコア ・主な間違い ・新しく覚えた表現 ・次回の課題 を学習ログとして残す。 週末には、その1週間分のログをまとめて、 ・繰り返している文法ミス ・不自然になりやすい表現 ・新しく覚えた重要語彙 ・改善したポイント ・実際に話した回答の完成版 ・翌週に重点的に練習する課題 を、自分専用の復習教材にする。 公式試験のような絶対的な採点ではないし、細かい発音判定には限界もある。 でも、同じ基準で継続的に評価し、自分の変化を見るためのコーチングスコアとしては十分に使える。 英会話学習に必要なのは、週に1〜2回、決められた時間に先生と話すことではない。 毎日たくさん話すこと。 自分の間違いを蓄積すること。 修正された表現を復習すること。 自分より少し上のレベルの議論を繰り返すこと。 そして、上達を継続的に測ること。 AIなら、そのすべてを一体でできる。 人間と話す緊張感や、対面コミュニケーションの実践、精密な発音矯正には、もちろん人間の価値が残る。 でも、日常的に英語力を伸ばすために、普通の英会話学校へ通う必要はもうない。 やり方も簡単。 ChatGPTで英語学習専用のProjectを作り、その中でVoiceを使う。 Projectには専用の指示、過去の会話、復習教材をまとめておける。 Projectの指示には、次の文章を入れる。 スレに続く↓ ──────────── 私は上級寄りの英語学習者です。あなたは、私の長期的な英語コーチとして行動してください。 会話中は英語だけを使い、自然に会話を続けてください。細かいミスをその場で何度も指摘して、会話の流れを止めないでください。意味が通じない場合を除き、修正は会話終了後にまとめてください。 I already use AI in my work, so focus on strategy and leadership. 初歩的な日常会話ではなく、経営、事業戦略、リーダーシップ、テクノロジー、社会変化など、難しいテーマを中心に質問してください。 私の意見にただ同意するのではなく、時々反論し、考えを深める質問もしてください。 私が「Let’s stop here」と言ったら、音声で長く説明せず、チャット上に文章で次の内容をまとめてください。 1. 会話内容の短い要約 2. 重要な文法修正 3. 不自然な表現と、より自然な言い方 4. 改善できる語彙と表現 5. 私の回答を洗練された自然な英語にした完成版 6. 固定基準による100点満点のスコア 7. 前回から改善した点 8. 次に直すべき点 9. 5分程度でできる宿題 小さな間違いをすべて直すのではなく、ネイティブが特に不自然に感じるものを優先してください。 評価基準は毎回変えず、長期的な上達を比較できるようにしてください。 ただし、このスコアは公式試験の採点ではなく、継続的な変化を見るためのコーチング評価として扱ってください。 各セッションの最後に、日付、テーマ、スコア、主な間違い、新しく覚えた表現、次回の課題を、短い学習ログとして残してください。 1週間の終わりに私が週次レビューを依頼したら、過去1週間の学習ログを基に、よくある間違い、改善した点、重要語彙、回答の完成版、翌週の重点課題を含む復習用テキストを作ってください。 毎回最後に、短い宿題を一つ出してください。 スレに続く↓

GPT-5.5 proからImages 2.0が使えなくなっている。GPT-5.5 Thinkingに切り替えると使える。Codex / Computer Useのskillsには反映させたけど自分でチャットする時はかなり面倒。